第六插值与拟合.pptVIP

clc, clear load data2 %分别加载xi的观测值x0，yi的观测值y0 F=@(cs) 1/sqrt(2*pi)/cs(2)*exp(-(x0-cs(1)).^2/cs(2)^2/2)-y0; cs0=rand(2,1); %拟合参数的初始值是任意取的 cs=lsqnonlin(F,cs0) 5.3.4 lsqnonneg 函数 c=[0.0372 0.2869;0.6861 0.7071;0.6233 0.6245;0.6344 0.6170]; d=[0.8587;0.1781;0.0747;0.8405]; x=lsqnonneg(c,d) 5.4 曲线拟合与函数逼近 syms x base=[1,x^2,x^4]; y1=base.*base y2=cos(x)*base. r1=int(y1,-pi/2,pi/2) r2=int(y2,-pi/2,pi/2) a=r1\r2 xishu1=double(a) %符号数据转化成数值型数据 xishu2=vpa(a,6) %把符号数据转化成小数型的符号数据 5.1.4.3 二维插值 注意：Matlab插值时外插值是不确定的，这里使用了混合插值，八部确定点的差值换成了最近点插值的结果。 5.2 曲线拟合的线性最小二乘法 5.2.1 线性最小二乘法 x=[19 25 31 38 44]; y=[19.0 32.3 49.0 73.3 97.8]; r=[ones(5,1),x.^2]; ab=r\y x0=19:0.1:44; y0=ab(1)+ab(2)*x0.^2; plot(x,y,o,x0,y0,r) x0=[1990 1991 1992 1993 1994 1995 1996]; y0=[70 122 144 152 174 196 202]; plot(x0,y0,*) x0=[1990 1991 1992 1993 1994 1995 1996]; y0=[70 122 144 152 174 196 202]; a=polyfit(x0,y0,1) y97=polyval(a,1997) y98=polyval(a,1998) 5.3 最小二乘优化 5.3.1 lsqlin 函数 x=[19 25 31 38 44]; y=[19.0 32.3 49.0 73.3 97.8]; r=[ones(5,1),x.^2]; ab=lsqlin(r,y) x0=19:0.1:44; y0=ab(1)+ab(2)*x0.^2; plot(x,y,o,x0,y0,r) 5.3.2 lsqcurvefit 函数 clc, clear a=textread(data1.txt); y0=a(:,[2,7]); %提出因变量y的数据 y0=nonzeros(y0); %去掉最后的零元素，且变成列向量 x0=[a(:,[3:5]);a([1:end-1],[8:10])]; %由分块矩阵构造因变量数据的2列矩阵 canshu0=rand(2,1); %拟合参数的初始值是任意取的 %非线性拟合的答案是不唯一的，下面给出拟合参数的上下界， lb=zeros(2,1); %这里是随意给的拟合参数的下界,无下界时，默认值是空矩阵[] ub=[20;2]; %这里是随意给的上界，无上界时，默认值是空矩阵[] canshu=lsqcurvefit(@fun1,canshu0,x0,y0,lb,ub) 解： （1）编写M文件fun1.m定义函数F(x,xdata) function f=fun1(canshu,xdata); f= exp(-canshu(1)*xdata(:,1)).*sin(canshu(2)*xdata(:,2))+xdata(:,3).^2; %其中canshu(1)=k1，canshu(2)=k2，注意函数中自变量的形式 (2) 将原始数据全部爆出到文本文件data1.tex中，包括13航后的空行。 调用函数Isqeurvefit，编写如下： clc, clear load data2 %分别加载xi的观测值x0，yi的观测值y0 mf=@(cs,xdata)1/sqrt(2*pi)/cs(2)*exp(-(xdata-cs(1)).^2/cs(2)^2/2); % yc=mf([2,1],1) %测试匿名函数 cs=lsqcurvefit(mf,rand(2,1),x0,y0) %拟合参数的初始值是任意取的 */63 数学模型与仿真 数学模型与仿真 5.1 插值方法 5.1.1 分段线性插值 5.1.2 多项式插值 拉格朗日插值多项式 上式称为n次